Un enfoque de aprendizaje profundo para el diagnóstico de la enfermedad de Alzheimer utilizando datos de EEG: SVM de...

Área de la Ciencia:

• La neurociencia
• Ingeniería biomédica
• Aprendizaje automático

Sus antecedentes:

• La enfermedad de Alzheimer (EA) es un trastorno neurodegenerativo progresivo caracterizado por placas de beta amiloide y ovillos de tau.
• El diagnóstico y el tratamiento tempranos de la EA son cruciales para mejorar la calidad y la duración de la vida del paciente.
• El procesamiento en tiempo real de los datos de la electroencefalografía móvil (EEG) plantea desafíos para la detección rápida de la EA.

Objetivo del estudio:

• Para identificar bandas de frecuencia EEG específicas asociadas con la enfermedad de Alzheimer.
• Acelerar los métodos de detección de la enfermedad de Alzheimer utilizando datos de EEG.
• Para lograr una clasificación precisa y eficiente desde el punto de vista computacional de la AD.

Principales métodos:

• Se analizaron los registros de EEG de 48 individuos (24 AD, 24 controles sanos).
• Los datos se segmentaron en bandas de frecuencia Alfa, Beta, Delta, Gamma y Theta.
• Se empleó la arquitectura MobileNetV2, el mecanismo de doble atención y la máquina vectorial de soporte (SVM) con optimización de hiperparámetros Optuna.

Principales resultados:

• Las bandas de frecuencia Delta y Beta fueron identificadas como las más significativas para la detección de EA.
• Los mecanismos de atención mejoraron el rendimiento del modelo MobileNetV2 en un 2%.
• SVM con hiperparámetros optimizados mostró un aumento de rendimiento aproximado del 3%; característica de detección mejorada de fusión en conjuntos de datos más grandes.

Conclusiones:

• El análisis de la banda de frecuencia y la fusión de características muestran potencial para mejorar la precisión y la eficiencia en el diagnóstico de EA basado en EEG.
• El estudio destaca la utilidad de bandas de frecuencia específicas y técnicas avanzadas de aprendizaje automático.
• Los resultados son prometedores, pero requieren precaución con respecto a la generalización a poblaciones más amplias.